Runway publica Praxis-1: un modelo de vídeo que controla un robot y resuelve el 46,2 % de las tareas en la prueba de Nvidia
Runway ha publicado el código y los pesos de Praxis-1, un modelo que calcula los movimientos de un robot a partir de las imágenes de una cámara y de una orden como «pon el plátano en el plato». En la simulación RoboLab-120 de Nvidia (120 tareas: clasificar, agarrar y apilar), resuelve el 46,2 % frente al 42,9 % de FLUX 3 Action. En un brazo real Franka, completa 88 intentos de cada 100, frente a 80 del rival. Las mediciones son de la propia Runway, así que conviene probar el modelo con tus propias tareas antes de desplegarlo.
Procesado por IA desde The Decoder; editado por Hamidun News
Enseñar a los robots es difícil por una razón sencilla: para que un manipulador tome un plátano con cuidado o cierre una caja hacen falta cientos de horas de grabaciones costosas, en las que una persona controla la máquina a mano. Runway, conocida por sus generadores de vídeo como Gen-4.5, abordó el problema desde otro lado y publicó en acceso abierto Praxis-1.
Es un modelo que calcula los movimientos del robot a partir de las imágenes de una cámara y de una instrucción de texto, y que toma sus conocimientos sobre el mundo físico del entrenamiento con vídeos. En la prueba RoboLab-120 de Nvidia (120 tareas simuladas de clasificar, agarrar y apilar objetos), logró completar el 46,2 % de los trabajos, mientras que el análogo más cercano, FLUX 3 Action, obtuvo el 42,9 %. Los pesos y el código están disponibles bajo la licencia Apache 2.
0, que permite el uso comercial.
Cómo un modelo de vídeo se convierte en controlador
Praxis-1 recibe como entrada los fotogramas de la cámara, una instrucción escrita («pon el plátano en el plato») y los datos sobre la posición del propio robot. A partir de eso, el modelo predice cómo cambiará la escena y, con esa predicción, calcula los movimientos necesarios. Cuando llegan nuevos fotogramas, el control se corrige sobre la marcha.
La lógica se entiende con un ejemplo humano. Has visto miles de vídeos en los que los objetos caen, ruedan y chocan, así que más o menos sabes qué pasará si empujas una taza. Praxis-1 primero se entrenó con vídeos normales para aprender cómo se mueven los objetos y cómo interactúan. Después, Runway la ajustó con vídeos de acciones humanas y datos de robots. La compañía llama a este tipo de sistemas World Action Model: primero una predicción de la escena y luego la acción.
Runway espera que este enfoque reduzca la dependencia de conjuntos de datos robóticos recopilados específicamente. Aun así, esos datos específicos siguen siendo necesarios: para el brazo Franka se usaron unas 277 horas de grabaciones del conjunto público DROID, y para el robot bimanual, entre 1400 y 2600 horas. No se sabe si el modelo supera en volumen de datos robóticos a los análogos sin preentrenamiento en vídeo, porque no existe una comparación directa.
Qué mostraron las pruebas
En la clasificación RoboLab-120 de Nvidia, Praxis-1 alcanzó un 46,2 % de éxito, es decir, algo menos de la mitad de las tareas se completaron por completo. FLUX 3 Action, también construido como World Action Model, obtuvo un 42,9 %. Es el mejor resultado en su categoría, pero en la clasificación general el modelo queda quinto: por delante hay dos agentes de IA y dos modelos robóticos con otra arquitectura.
En un brazo real Franka, tras el ajuste con DROID, se compararon ambos modelos en diez tareas, entre ellas «poner el plátano en el plato» y «cerrar la caja». Con diez intentos por tarea, Praxis-1 tuvo éxito 88 veces de cada 100, y FLUX 3 Action, 80.
Por separado, se probó la transferencia a un robot desconocido: una plataforma móvil con manipulador, con la que Google desarrolló en su día RT-1. Praxis-1 no tenía grabaciones de ese robot en su entrenamiento previo. Tras un ajuste con unas 95 horas de datos, el modelo logró en simulación un éxito medio del 80 % en cuatro tipos de tareas, desde agarrar latas de refresco hasta colocar una manzana en una caja. La RT-1 original obtuvo un 52,4 % en la misma prueba. Una salvedad importante: todas las pruebas las realizó Runway, sin verificación independiente.
Desde finales de septiembre, el modelo lo probaron las empresas Standard Bots, Noble Machines y Ultra, con un humanoide, un brazo industrial y una máquina de almacén bimanual.
Limitaciones y qué deben hacer los desarrolladores
El modelo base no sirve tal cual para robots nuevos: hay que ajustarlo. Para las plataformas populares ya existen versiones adaptadas. Se puede descargar desde Hugging Face tras registrarse y aceptar las condiciones de acceso; el código está en GitHub.
Los requisitos son exigentes: la versión estándar necesita una tarjeta gráfica de 80 GB de memoria. La versión comprimida, según las estimaciones de Runway, cabría en una RTX 5090 de 32 GB, pero la documentación en GitHub todavía no mide el pico real de consumo de memoria.
La compañía no oculta los puntos débiles. El modelo a veces confunde objetos parecidos y responde mal a órdenes imprecisas. Las tareas largas habrá que dividirlas en pasos manualmente, porque por sí solo no sabe planificar de forma fiable secuencias de acciones complejas. Runway ve en Praxis-1, sobre todo, un ejecutor rápido de movimientos que en el futuro podría conectarse con un modelo de lenguaje general: este descompondría la tarea en pasos y Praxis-1 los ejecutaría.
Conclusión práctica: si desarrollas una pila de robótica o investigas manipuladores, ahora tienes una base abierta y apta para uso comercial, que puedes comparar con otros modelos de control robótico. Pero, por ahora, todas las cifras son afirmaciones de la propia Runway, así que prueba el modelo en tus tareas y con tu hardware antes de dar por buenos los porcentajes anunciados.
- 21 nov 2026Nvidia duplicó sus beneficios, pero sus acciones cayeron un 2% por la búsqueda de un nuevo consejero delegado
- 21 nov 2026Nous Research reentrenó Qwen3.8 y la propaganda en sus respuestas bajó del 22% al 1%
- 21 nov 2026Samsung quiere comprar Modine, proveedor de refrigeración para centros de datos, por casi 6000 millones de dólares
- 21 nov 2026Reuters: los proyectos de IA en China por 3.200 millones de dólares dependen de los chips de Nvidia, y Huang deja la compañía
Preguntas frecuentes sobre la noticia
Cómo un modelo de vídeo se convierte en controlador?
Praxis-1 recibe como entrada los fotogramas de la cámara, una instrucción escrita («pon el plátano en el plato») y los datos sobre la posición del propio robot. A partir de eso, el modelo predice cómo cambiará la escena y, con esa predicción, calcula los movimientos necesarios. Cuando llegan nuevos fotogramas, el control se corrige sobre la marcha. La lógica se entiende con un ejemplo humano.
¿Qué se sabe sobre Qué mostraron las pruebas?
En la clasificación RoboLab-120 de Nvidia, Praxis-1 alcanzó un 46,2 % de éxito, es decir, algo menos de la mitad de las tareas se completaron por completo. FLUX 3 Action, también construido como World Action Model, obtuvo un 42,9 %. Es el mejor resultado en su categoría, pero en la clasificación general el modelo queda quinto: por delante hay dos agentes de IA y dos modelos robóticos con otra arquitectura.
¿Qué se sabe sobre Limitaciones y qué deben hacer los desarrolladores?
El modelo base no sirve tal cual para robots nuevos: hay que ajustarlo. Para las plataformas populares ya existen versiones adaptadas. Se puede descargar desde Hugging Face tras registrarse y aceptar las condiciones de acceso; el código está en GitHub. Los requisitos son exigentes: la versión estándar necesita una tarjeta gráfica de 80 GB de memoria.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.